云模型与VIKOR集成的多属性群决策方法

针对以往定性概念量化过程中只考虑到模糊性这一不确定性因素的不足,采用云模型从模糊性和随机性两个方面实现语义评价变量的量化,并对专家组的语义评价信息进行集结。针对以往云差异性度量方法的不足,基于云模型构成的本质特点,从云滴分布的角度提出了云距离测度算法,进而提出了云相似度算法。考虑到决策指标间相互影响关系,将云模型与决策试验与实验评估法（Decision-Making Trial and Evaluation Laboratory,DEMATEL）相结合,采用云DEMATEL法对专家主观评价给出的指标初始重要度进行修正,进而计算得到指标权重。采用云距离算法计算备选方案与正、负理想解间的距离,并最终由云VIKOR求得备选方案的妥协解。最后以实例验证了所提方法的可行性和有效性。     

云模型与TOPSIS相结合的多属性群决策方法*

为更准确有效地表示定性概念的不确定性,采用云模型作为定性定量信息的转换工具,并通过云的合成对不同专家的评价云进行集结,构建得到云决策矩阵。针对传统云模型间优劣、大小等差异化度量的缺陷,从云滴分布的角度提出了云的距离测度算法,并将其分别运用于计算决策指标的离散程度和改进方案与正、负理想解间的距离测度,进而提出云-TOPSIS的方案排序方法。最后以实例验证了所提方法的可行性和有效性。     

考虑不完全权重信息的直觉模糊VIKOR方法研究

针对指标评价值为语义信息且专家权重、指标权重信息不完全的多指标群决策问题,采用直觉模糊集方法处理语义评价信息,提出了一个改进直觉模糊VIKOR方法。基于最大化贴近系数计算指标权重;以专家偏好的一致性为目标函数,构建线性规划模型来确定专家权重,引入一种新的距离测度方法计算两直觉模糊数的距离,最后通过直觉模糊VIKOR方法对备选方案进行排序并择优,通过某汽车设计方案评价实例验证了所提方法的有效性。     

基于优化组合权与云-VIKOR法的PFMEA风险评估分析与改进

针对过程失效模式与影响分析（PFMEA）风险评估过程专家评估信息的模糊性与随机性,引入云模型将其量化为云语义评估信息,并集结成综合云评价矩阵。针对传统客观加权法不考虑风险因子间相互影响关系的问题,提出改进熵权与云-DEMATEL优化组合求解风险因子权重,其中引入云相似度算法对专家的云评价结果进行精确化处理,避免了评估信息定量转换过程信息的缺失。根据云距离测量法计算每种故障模式与正、负理想解之间的距离,进而提出云-VIKOR法求得各失效模式的风险排序。最后,通过案例分析验证了所提方法的可行性。     

基于云模型的Pythagorean模糊语言多属性决策方法

针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究,提出一种基于云模型的多属性决策方法。首先,根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重;其次,计算决策矩阵间的距离从而得到各决策专家权重;再次,构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结;最后,基于TOPSIS方法求取正、负理想解,依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明,该方法优化了复杂环境下的决策,避免了决策信息的丢失,能够较好解决决策信息的不确定性和决策过程的随机性,具有一定的可行性和有效性。     

基于D-S理论的可信云服务评价方法研究

云制造环境下,用户选择云服务资源时往往陷入信息量巨大以及信任缺失的困境。针对如何选取可信云服务的问题,提出了一种基于D-S理论的云服务评价方法。选取六个云服务指标作为可信特征集;通过获取定性定量指标评价信息,求解指标的评价等级隶属度;进而获得评价指标效用偏好度作为基本概率分配值;引入各云服务评价指标的权重修正基本概率分配以减少证据合成过程中的冲突;应用D-S理论合成规则对可信云服务的证据进行合成;计算各云服务的信任区间并将其进行偏序关系的对比,实现了云服务的选择。以某汽车零部件制造商选择云服务为例,验证所提方法的可行性和有效性。     

基于云模型具有语言评价信息的多属性群决策研究

针对多属性群决策中具有语言评价信息偏好的表示与集结的关键问题．研究了基于云模型的决策专家个体偏好表示、偏好集结和方案优选方法．首先采用云模型表示决策者给出的自然语言评价信息,而属性和决策者权重大小则用云的语气运算表示;然后用浮动云进行偏好集结,根据云模型的相对距离进行方案的排序和优选．此方法可充分表达评价语言的模糊性和随机性,具有较大的客观性．     

基于综合云的不确定语言多准则群决策方法

针对准则权重已知、决策者权重未知、准则值为不确定语言的多准则群决策问题,提出一种基于云模型的决策方法.该方法首先将不确定语言值转化为综合云;然后采用生成浮动云的方法进行偏好集结,并通过计算＂不确定度＂和＂决策者偏差度＂求得决策者权重;最后引入Hamming距离求得贴近度大小,通过比较得到方案集的排序.实例分析表明了该方法的有效性和可行性.     

基于犹豫模糊PROMETHEEⅡ的设计方案群决策方法*

顾客需求既是方案设计的起点也是方案设计的终点,因此考虑顾客需求信息确定方案评价指标的权重。为解决专家在多个语义评价术语间犹豫不定的问题,采用犹豫模糊语义术语集表达专家评价信息,基于犹豫模糊质量功能展开的思想计算指标权重。根据专家给出的方案评价信息,采用PROMETHEEⅡ进行方案排序。其中将犹豫模糊语言的可能度公式代替PROMETHEEⅡ中的优先函数,避免了犹豫模糊环境下优先函数的构造问题。基于群体一致性原则计算方案排序的妥协解,以所有专家排序结果与妥协解间的总距离最小化为目标函数,构造0-1线性规划模型计算妥协解。     

不确定多属性Vague集决策方法

针对指标权重信息未知的Vague集多指标决策问题,通过计算各方案与理想方案的相离度来建立最优化决策模型,求解该模型获得指标的权重,并引入了方案集的最优点和最劣点的概念,给出了Vague集多指标决策的新方法。该方法根据模糊值矩阵得到方案的最优点和最劣点,通过计算各方案到最优点和最劣点的距离对方案进行排序。最后用实例进行了验证。     

基于云模型的区间直觉模糊数多属性群决策

针对属性值为区间直觉模糊数的多属性群决策问题,考虑到模糊性和随机性对群决策过程及结果的影响,本研究将利用云模型理论结合区间直觉模糊数的特征,运用灰色关联系数法和信息熵理论确定专家和属性权重,通过信息集结构建综合评价云模型.不同于传统的区间直觉模糊数的排序方法,本研究利用云模型的3En规则将区间直觉模糊数进行云转换并通过云相似度确定方案的综合评价值和犹豫度,然后对决策方案进行比较分析.研究结果表明:该方法能够科学有效地进行决策,进而为决策方提供科学依据.     

基于云模型的QFD中工程特性重要度确定方法

针对质量功能配置（Quality Function Deployment, QFD）评价信息中的模糊性和随机性问题,提出一种基于云模型的QFD中工程特性重要度确定方法。采用云模型处理语义评价信息,并基于正向云发生器算法提出云滴贡献值算法,用以将云模型间接转换成精确数值,进而计算工程特性重要度。根据技术竞争性评估矩阵,基于最大偏差法的思想构建数学模型确定工程特性重要度修正因子,进而确定工程特性的最终重要度。最后以某企业的一款装载机工程特性重要度计算为例,验证了所提方法的有效性。     

基于云模型的改进FMEA风险评估方法

针对风险评估过程中的模糊性和随机性两个不确定性因素,采用云模型对语义评价变量进行量化,并通过云的合成对专家的评价结果进行集结,构建云风险评价矩阵。将风险因子O、S、D期望重要度与云的相似度相结合计算风险因子的权重。考虑到传统故障模式与影响分析（Failure Mode and Effects Analysis,FMEA）中故障模式风险值排序的缺陷,基于云的距离测度算法提出云-VIKOR的风险排序方法。最后以实例验证了所提方法的精确性和有效性。     

云环境下基于服务等级协议的信任评估模型

针对用户在交互过程中对云服务商缺乏信任的问题,提出了一个基于服务等级协议(SLA)的云计算信任模型。在该模型中,云服务商在向服务中心--可信的第三方平台注册时,首先提交自身的实力评估报告,说明其实力、运营、技术及提供的服务属性等,服务中心根据相关的评价标准对该云服务商进行评估,得到系统信任;其次把系统信任引入到传统的声誉机制中,把系统信任、直接信任和间接信任作为评估一个云服务提供商的三个重要因素,并计算出云服务商的综合信任度;最后用户根据云服务商提供的服务和综合信任度与其进行SLA协商,确定最终交互对象,屏蔽掉不诚实或信誉较低的云服务商。实验结果表明,在基于服务等级协议的信任模型中,由于引入了系统信任,云服务商综合信誉的获得更全面准确、有效地防止了云服务商的不诚信行为,提高了交互的成功率。     

Evaluation of urban taxi-carpooling matching schemes based on entropy weight fuzzy matter-element

The evaluation of urban taxi-carpooling matching is the key index for the success of taxi carpooling. In this research, matter-element theory is introduced. Moreover, a matter-element evaluation model is established, and a matter-element evaluation algorithm based on fuzzy entropy weight is proposed. In accordance with the characteristics of the matching data, the algorithm takes the distance to the carpool destination, the distance to the carpool starting point, the carpool distance and the time to the carpool starting point in the passenger-matching scheme as the characteristic indexes of the evaluation category. A compound fuzzy matter-element matrix is established through an index fuzzy value method, and a matter-element matrix of a preferred membership degree and a fuzzy matter-element matrix of standard deviation are constructed. An index weight is determined through entropy weight method, and the closeness degree of the matter-element matrix is calculated. It avoids the shortcoming of traditional matter-element method which uses artificial determination of an eigenvalue index and correlation degree calculation. Experimental results show that the evaluation result of this algorithm is close to the actual evaluation result. In addition, the evaluation effect is better in this algorithm than in the traditional matter-element algorithm.     

基于时间感知排序的云服务QoS预测方法研究

随着云计算理论和技术的成熟,越来越多的云服务得到了蓬勃发展,如何建立高质量的云服务成为了云计算研究领域的一个关键难题。服务质量QoS排序为用户从一系列功能相似的云服务候选者中挑选最优云服务提供了非常有价值的信息。为了获得云服务的QoS值,就需要调用真实的候选云服务。为了避免时间消耗和昂贵的资源浪费,提出了一种基于时间感知排序的云服务QoS预测方法。不同于传统的QoS值预测,基于QoS排序相似度的预测考虑为特定用户检测服务的排序。分时段按权计算出排序相似度,结合时间偏好合成相似度的前k位用户,用来提供信息支持QoS的缺失预测。在WS Dream真实数据集进行的实验研究表明,基于时间感知排序的云服务QoS预测方法有更好的预测精度。     

基于主客观赋权的多属性空间节点选择算法

针对空间协作传输中单属性协作节点选择算法无法兼顾系统可靠性和生存时间的问题,引入多属性决策方法（MADM）,综合考虑信道衰落等级、协作节点剩余能量和误码率三个属性对空间协作节点进行多属性评估,提出一种基于主客观赋权的多属性空间协作节点选择（SOW-CNS）算法。首先,根据信道受阴影衰落影响程度,建立两状态无线信道模型,分别为无阴影Loo信道衰落模型和有阴影Corazza信道衰落模型;其次,引入基于主客观赋权的多属性决策策略,使用层次分析法和信息熵法建立空间协作节点的主观属性权向量和客观属性权向量;然后,使用最大熵原理和离差和最大法计算主客观属性权向量;最后,利用主客观属性权向量与各节点的属性值计算各潜在节点的评价值,进而选出最佳协作节点参与空间信息协作传输。仿真结果表明,与传统最佳质量协作节点选择算法（BQ-CNS）、能量公平性协作节点选择算法（EF-CNS）和随机协作节点选择算法（R-CNS）相比,基于主客观赋权的多属性决策算法不仅降低系统误码率,而且能够获得更长的系统生存期。